(und CL Programmierung 2)

Montag 10:30 – 12:00 22.01 HS2C

Dienstag, 10:30 – 12:00 2321.00.97

Ich benutze eine Pinnwand, an der Sie anonym Fragen und (sinnvolle) Kommentare schreiben können.

Hier gibt es noch mehr Etherpads: http://etherpad.phil-fak.uni-duesseldorf.de/

Dieser Kurs gibt eine Einführung in die Wahrscheinlichkeit und Statistik, ohne Vorkenntnisse darin vorauszusetzen. Wir machen erstmal das Übliche: Wahrscheinlichkeitsräume, Zufallsvariablen, wichtige Verteilungen, Hypothesen prüfen, Parameter schätzen, Regression; alles weitere muss man schauen. Zu allen diesen Konzepte gibt es Programmieraufgaben, wofür wir die Sprache R benutzen werden.

Dienstags finden die praktischen Sitzungen mit Programmieraufgaben statt, Montags werden die theoretischen Inhalte besprochen.
Die wichtigsten Inhalte  gibt es in diesem Skript. Vorsicht: das wird Regelmäßig überarbeitet!

Hausaufgaben im Hausaufgabenblatt der jeweiligen Woche. Bitte per email senden an Vincent Dalla Vecchia <vidal100@uni-duesseldorf.de>!

 

Woche 1 – Formalia, Theorie: Wahrscheinlichkeitstheorie, Grundlagen pdf

Woche 2
Theorie: Grundregeln der Wahrscheinlichkeit und Ihre Anwendung
Praxis: Grundlagen R
Hausaufgabe 1  Musterlösung

Woche 3
Theorie: Fällt aus.
Umgang mit Daten, Zeilen, Spalten, Boolesche Bedingungen
Hausaufgabe 2 Musterlösung

Woche 4
Theorie: Zufallsvariablen, Erwartungswert, Varianz etc.
Praxis: Varianz etc, Variablen in Datensätzen
Hausaufgabe 3  Musterlösung

Woche 5
Theorie: Wichtige Verteilungen (Binomial, Normal etc.)
Praxis: Verteilungen anwenden
Hausaufgabe 4  Musterlösung

Woche 6
Zipfs Gesetz, die Grenzen des Vertrauens
Praxis: Vertrauensgrenzen berechnen
Hausaufgabe 5  Musterlösung

Woche 7
Bayesianische Statistik
Praxis: Aposteriori berechnen
Hausaufgabe 6  Musterlösung

Woche 8
Einseitige Tests, Tests für Unabhängigkeit, Markov Ketten
Praxis: Dynamische Programmierung, Tests
Hausaufgabe 7  Musterlösung

Woche 9
Eigenschaften von Markov Ketten; Parameter schätzen;
Add-one smoothing
Praxis: Markov Ketten implementieren
Hausaufgabe 8 Musterlösung
Hilfestellung

Woche 10
Praxis: Hashmaps, Add-one smoothing
Hausaufgabe 9 Musterlösung

Woche 11
Good-Turing Smoothing
Entropie
Hausaufgabe 10  Hilfestellung